41
6. Duta Graha Indah Tbk.
DGIK 7.
Gowa Makassar Tourism Development Tbk. GMTD
8. Intiland Development Tbk.
DILD 9.
Jakarta International Hotel Development Tbk. JIHD
10. Jakarta Setiabudi International Tbk.
JSPT 11.
Kawasan Industri Jababeka Tbk. KIJA
12. Lippo Cikarang Tbk.
LPCK 13.
Lippo Karawaci Tbk. LPKR
14. Mas Murni Indonesia Tbk.
MAMI 15.
Pembangunan Jaya Ancol Tbk. PJAA
16. Summerecon Agung Tbk.
SMRA
3.7
Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data primer yang telah diolah lebih lanjut dan
disajikan oleh pihak pengumpul data primer maupun oleh pihak lain Umar, 2001: 69. Data penelitian ini mencakup laporan keuangan yang telah
dipublikasikan yang diambil dari database Bursa Efek Indonesia dengan cara mengunduh data melalui website resmi Bursa Efek Indonesia, yaitu
www.idx.co.id selama tahun 2009-2012.
3.8 Metode Pengumpulan Data
Penelitian ini menggunakan metode pengumpulan data dengan cara dokumentasi, dimana penulis mengumpulkan, mencatat dan mengkaji data
langsung dari laporan keuangan yang telah dipublikasikan di Bursa Efek Indonesia. Data sekunder yang diambil dari Bursa Efek Indonesia dengan
Universitas Sumatera Utara
42
cara mengunduh data yang tersedia, terdiri dari laporan auditor independen dan laporan keuangan perusahaan real estate yagn terdaftar di BEI dan sesuai
dengan kriteria pemilihan sampel.
3.9 Teknik Analisis Data
3.9.1 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dalam menggambarkan variabel-
variabel dalam penelitian. Analisis statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata mean, dan
standar deviasi.
3.9.2 Pengujian Hipotesis Penelitian
Pengujian hipotesis
penelitian menggunakan
analisis multivariat melalui regresi logistic logistic regression. Hal ini
dilakukan karena variabel dependen merupakan data kualitatif yang menggunakan variabel dummy. Regresi logistik digunakan untuk
menguji apakah probabilitas terjadinya variabel dependen dapat diprediksi dengan menggunakan variabel independen. Pada teknik
analisis regresi logistik tidak memerlukan lagi uji normalitas dan uji asumsi klasik pada variabel bebasnya Ghozali, 2006. Regresi
logistik juga mengabaikan heteroscedacity, artinya variabel dependen
Universitas Sumatera Utara
43
tidak memerlukan homescedacity untuk masing-masing variabel independennya. Model regresi logistik yang digunakan untuk menguji
hipotesis penelitian adalah sebagai berikut :
OGC = α + β1 GROWTH + β2 AUCT + β3 AUCH + β4 BANKRUPT + ԑ
α = konstanta
OGC = Variabel dummy, opini audit kategori 1 untuk
auditee dengan opini audit going concern GCAO dan 0 untuk auditee dengan opini audit
non going concern NGCAO GROWTH
= Rasio Pertumbuhan Perusahaan AUCT
= Audit Client Tenure AUCH
= Pergantian Auditor BANKRUPT
=Prediksi kebangkrutan
menggunakan revised
Altman ԑ
= Kesalahan Residual
3.9.2.1 Menguji Kelayakan Model Regresi Goodness of Fit
Test
Kebanyakan model regresi dinilai dengan menggunakan
Hosmer and Lemeshow’s Goodness of Fit Test. Model ini untuk menguji hipotesis nol bahwa
Universitas Sumatera Utara
44
data empiris sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat
dikatakan fit. Hipotesis yang digunakan untuk menilai model fit adalah sebagai berikut :
H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data
Jika nilai statistik Hosmer dan Lemeshow’s sama dengan atau kurang dari 0,05 nmaka hipotesis nol
ditolak yang berarti terdapat perbedaan signifikan antara model dengan nilai observasinya sehingga
goodnessfit model tidak baik, karena model yang telah dirumuskan
tidak dapat
memprediksi nilai
observasinya. Jika nilai Hosmer dan Lemershow’s lebih besar dari 0,05 maka hipotesis nol diterima yang
berarti model mampu memprediksi nilai observasinya.
3.9.2.2 Menguji Model Keseluruhan Model Overall Fit
Model
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data.
Universitas Sumatera Utara
45
Hipotesis untuk menilai model fit adalah : H0 : Model yang dihipotesiskan fit dengan data
H1 : Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini, agar model fit dengan data maka H0 harus diterima. Statistik yang digunakan
berdasarkan Likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan
menggambarkan data input. Untuk menguji hipotesis nol dan alternative, L ditransformasikan menjadi -2
LogL.O utput SPSS memberikan dua nilai -2Log L, yaitu satu untuk model yang hanya memasukkan
konstanta saja dan satu model dengan konstanta serta tambahan bebas.
Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL pada langkah berikutnya
menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali, 2006. Log Likelihood pada
regresi logistic mirip dengan pengertian “Sum of Square
Error” pada model regresi, sehingga penurunan modal Log Likelihood menunjukkan model regresi yang
semakin baik.
Universitas Sumatera Utara
46
3.9.2.3 Estimasi Parameter dan Interpretasinya
Estimasi parameter dapat dilihat melalui koefisien regresi. Koefisien regresi dari tiap variabel-
variabel yang diuji menunjukkan bentuk hubungan antara variabel yang satu dengan yang lainnya.
Pengujian hipotesis
dilakukan dengan
cara membandingkan antara nilai probabilitas sig. Apabila
terlihat angka signifikan lebih kecil dari 0,05 maka koefisien regresi adalah signifikan pada tingkat 5
maka berarti H0 ditolak dan H1 diterima, yang berarti bahwa variabel bebas berpengaruh secara signifikan
terhadap terjadinya variabel terikat. Begitu pula sebaliknya, jika angka signifikansi lebih besar dari 0,05
maka berarti H0 diterima dan H1 ditolak, yang berarti bahawa variabel bebas tidak berpengaruh tidak
berpengaruh secara signifikan terhadap terjadinya variabel terikat.
3.9.2.4 Uji F
Uji F digunakan untuk mengetahui apakah variabel independen pertumbuhan perusahaan, audit
client tenure, pergantian auditor, dan kesulitan
Universitas Sumatera Utara
47
keuangan secara bersama-sama mempunyai pengaruh
terhadap opini audit going concern.
Dasar pengambilan keputusan adalah: Ho akan ditolak atau Ha diterima jika nilai signifikansi F5 .
Data analisis dengan model regresi berganda sebagai berikut:
Y = α + β1X1 + β2X2 + β3X3+ β4X4 + e Keterangan :
Y : Opini Going-Concern
α
: Konstanta
X1 : Pertumbuhan perusahaan
X2 : Audit client tenure
X3 : Pergantian auditor
X4 : Kesulitan keuangan
β1, β2, β3, β4
,: Koefisien Regresi
e : Error tingkat kesalahan
Universitas Sumatera Utara
48
BAB IV ANALISIS HASIL PENELITIAN
4.1 Deskripsi Objek Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi logistik.
Analisis data dimulai dengan mengolah data dengan menggunakan microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian
menggunakan regresi logistik. Pengujian asumsi klasik dan regresi logistik digunakan dengan menggunakan software SPSS versi 21. Prosedur dimulai
dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai dengan metode analisis data yang
telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, diperoleh 16 perusahaan
yang memenuhi kriteria dan dijadikan sampel dalam penelitian dan diamati selama periode 2009-2012.
4.2 Analisis Hasil Penelitian 4.2.1 Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, median,
Universitas Sumatera Utara
49
variance, serta standar deviasi data yang digunakan dalam penelitian. Dimana komponen-komponen statistik deskriptif dapat
dijabarkan sebagai berikut: 1.
Nilai rata-rata mean adalah jumlah seluruh angka pada data yang dibagi dengan jumlah data yang ada,
2. Median adalah nilai tengah data setelah data tersebut
diurutkan dari angka terkecil ke angka tertinggi, 3.
Range adalah selisih dari nilai tertinggi dengan nilai terendah dalam suatu kumpulan data,
4. Standard deviation adalah nilai simpangan baku. Semakin
kecil nilainya, maka data yang digunakan mengelompok di sekitar nilai rata-rata,
5. Variance adalah jumlah selisih antara data dengan rata-rata
data dan kemudian dibagi dengan jumlah data dikurangi 1n- 1 atau nilai kuadrat dari std.deviation.
Universitas Sumatera Utara
50
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Range
Minimum Max
Mean Std. Deviation
Variance Rasio Pertumbuhan
64 1,6524
-,4222 1,2302
,320945 ,3987865
,159 Audit Client Tenure
64 3
1 4
2,19 1,097
1,202 Pergantian Auditor
64 1
1 ,09
,294 ,086
Kesulitan keuangan 64
3,4768 ,6413
4,1181 1,668261
,6627437 ,439
Opini Audit Going Concern
64 1
1 ,97
,175 ,031
Valid N listwise 64
Sumber: Diolah dengan SPSS, 2014.
Berdasarkan tabel 4.1 dapat dijelaskan penggambaran tentang data yang digunakan dalam penelitian ini :
1. Variabel Rasio Pertumbuhan memiliki nilai minimum yaitu -0,4222 dan
nilai maksimum yaitu 1,2302, dengan nilai rata-rata mean yaitu 0,320945. Hal ini menunjukkan bahwa ada beberapa perusahaan yang
dijadikan sampel penelitian memiliki pertumbuhan keuangan menurun dari tahun sebelumnya yang menyebabkan nilai negatif. Standard
deviation variabel ini adalah 0,3987865 dan variance 0,519. Rentang
nilai range senilai 1,6524 menunjukkan bahwa data yang digunakan
Universitas Sumatera Utara
51
dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
2. Variabel Audit Client Tenure memiliki nilai minimum yaitu 1 dan nilai
maksimum yaitu 4, dengan nilai rata-rata mean yaitu 2,19. Hal ini menunjukkan bahwa nilai audit tenure bersifat interval atau data
berbentuk tingkatan yang dimulai dari angka 1 sampai angka 4. Hal ini juga mengindikasikan bahwa sedikitnya ada beberapa perusahaan yang
dijadikan sampel penelitian diaudit oleh Kantor Akuntan Publik berturut-turut selama tahun 2009-2012. Standard deviation variabel ini
adalah 1,097 dan variance 1,202. Rentang nilai range senilai 3
menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan
nilai minimum. 3.
Variabel Pergantian Auditor memiliki nilai minimum yaitu 0 dan nilai maksimum yaitu 1, dengan nilai rata-rata mean yaitu 0,09. Hal ini
menunjukkan bahwa variabel pergantian auditor bersifat dummy. Standard deviation variabel ini adalah 0,294
dan variance 0,086. Rentang nilai range senilai 1 menunjukkan bahwa data yang
digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4. Variabel kesulitan keuangan memiliki nilai minimum yaitu 0,6413 dan
nilai maksimum yaitu 4,1181, dengan nilai rata-rata mean yaitu
Universitas Sumatera Utara
52
1,668261. Hal ini menunjukkan bahwa tidak ada satupun sampel penelitian yang memiliki nilai kesulitan keuangan negatif. Standard
deviation variabel ini adalah 0,6627437 dan variance 0,439. Rentang
nilai range senilai 3,4768 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai
antara nilai maksimum dan nilai minimum. 5.
Variabel Opini audit going concern memiliki nilai minimum yaitu 0 dan nilai maksimum yaitu 1, dengan nilai rata-rata mean yaitu 0,97. Hal ini
menunjukkan bahwa variabel opini audit going concern bersifat dummy. Dimana dapat disimpulkan nilai mean sebesar 0,97 atau 97 yang
mengindikasikan bahwa
hampir seluruh
sampel penelitian
menggunakan angka 1 dalam konversi data penelitiannya yang berarti banyak opini audit menggunakan opini audit going concern. Standard
deviation variabel ini adalah 0,175 dan variance 0,131. Rentang nilai
range senilai 1 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara
nilai maksimum dan nilai minimum.
4.2.2 Uji Multikolonieritas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolonieritas adalah
situasi adanya korelasi antar variabel-variabel independen yang satu
Universitas Sumatera Utara
53
dengan yang lainnya, dalam hal ini variabel-variabel ini disebut tidak orthogonal. Variabel yang bersifat orthogonal adalah variabel yang
memiliki nilai korelasi diantaranya sama dengan nol. Dalam penelitian ini jejak multikolonieritas dapat dilihat dari nilai korelasi antar
variabel yang terdapat dalam matriks korelasi. Hasil uji gejala multikolonieritas disajikan pada tabel 4.2 berikut ini.
Tabel 4.2 Hasil Uji Multikolinearitas
Correlation Matrix
Constant X1
X2 X3
X4
Step 1 Constant
,546 -,039
-,622 -,494
-,656 X1
-,039 ,768
-,171 -,160
-,199 X2
-,622 -,171
,786 ,583
,002 X3
-,494 -,160
,583 ,345
-,037 X4
-,656 -,199
,002 -,037
,855
Sumber: Data diolah dengan SPSS, 2014.
Dari hasil pengujian dapat disimpulkan bahwa tidak terdapat gejala multikolonieritas antar variabel independen. Gejala multikolonieritas terjadi
apabila nilai korelasi antar variabel independen lebih besar dari 0.90. Matriks korelasi di atas memperlihatkan bahwa korelasi antar variabel independen
yang paling besar 0.855 atau lebih kecil dari 0.90. Berdasarkan hasil ini, dapat
Universitas Sumatera Utara
54
disimpulkan bahwa variable rasio pertumbuhan, audit client tenure, pergantian auditor dan kesulitan keuangan perusahaan lolos uji gejala
multikolonieritas.
4.2.3 Menguji Model Fit Overall Model Fit Test
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan
dengan membandingkan nilai antara -2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block number =
1. Nilai -2 log likelihood awal pada block number = 0, dapat
ditunjukkan melalui tabel berikut ini. Tabel 4.3
Nilai -2 Log Likelihood -2 LL awal
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
25,762 1,875
2 18,905
2,757 3
17,859 3,264
4 17,800
3,421 5
17,800 3,434
Universitas Sumatera Utara
55
6 17,800
3,434
Sumber : Data diolah dengan SPSS, 2014
Nilai -2 log likelihood akhir pada block number = 1, dapat ditunjukkan melalui tabel 4.4 berikut ini :
Tabel 4.4 Nilai -2 log likelihood -2 LL akhir
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant X1
X2 X3
X4
Step 1 1
25,010 1,905
-,079 ,025
-,551 -,005
2 17,243
2,841 -,230
,076 -1,196
-,014 3
15,520 3,432
-,502 ,176
-1,708 -,030
4 15,258
3,646 -,778
,303 -1,884
-,046 5
15,243 3,657
-,877 ,368
-1,894 -,055
6 15,242
3,654 -,884
,375 -1,893
-,056 7
15,242 3,654
-,884 ,375
-1,893 -,056
Sumber: Data diolah dengan SPSS, 2014
Dari tabel 4.3 dan tabel 4.4 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya
Universitas Sumatera Utara
56
memasukkan konstanta yang dapat dilihat pada step 1, memperoleh nilai sebesar 25,762. Kemudian pada tabel selanjutnya dapat dilihat
nilai -2 LL akhir dengan block number = 1 nilai -2 log likelihood pada tabel 4.3 mengalami perubahan setelah masuknya beberapa variabel
independen pada model penelitian, akibatnya nilai -2 LL akhir pada step 7 menunjukkan nilai 15,242.
Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir
menunjukkan bahwa model yang dihipotesiskan fit dengan data Ghozali,2005. Penurunan nilai -2 log likelihood menunjukkan bahwa
model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu rasio pertumbuhan, audit client tenure, pergantian
auditor dan kesulitan keuangan perusahaan ke dalam model penelitian akan memperbaiki model fit penelitian ini.
4.2.4 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi
square pada bagian bawah uji hosmer and lemeshow. Jika nilai
Hosmer and Lemeshow’s Goodness of Fit Test ≤ 0,05, maka berarti terdapat perbedaan signifikan antara model dengan nilai observasinya
Universitas Sumatera Utara
57
sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya Ghozali, 2005.
Tabel 4.5 Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 8,053
8 ,428
Sumber: Diolah dengan SPSS, 2014
Tabel 4.5 menunjukkan nilai Hosmer and Lemeshow’s
Goodness of Fit sebesar 8,053 dengan signifikansi 0,428. Nilai signifikansi yang diperoleh lebih besar dari 0,05 maka Ho tidak dapat
ditolak diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan
yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.
Tabel 4.6
Contingency Table for Hosmer and Lemeshow Test
Opini Audit Going Concern = opini audit non going concern
Opini Audit Going Concern = opini audit going concern
Total
Observed Expected
Observed Expected
Contingency Table for Hosmer and Lemeshow Test
Universitas Sumatera Utara
58
Step 1 1
1 1,000
5 5,000
6 2
,224 6
5,776 6
3 ,142
6 5,858
6 4
,120 6
5,880 6
5 1
,112 5
5,888 6
6 ,101
6 5,899
6 7
,086 6
5,914 6
8 ,077
6 5,923
6 9
,059 6
5,941 6
10 ,078
10 9,922
10
Sumber: Diolah dengan SPSS, 2014
Dari tabel kontijensi untuk uji hosmer and lemeshow, dapat dilihat bahwa dari sepuluh langkah pengamatan untuk opini audit yang
baik 1 maupun tidak baik 0, nilai yang diamati maupun nilai yang diprediksi, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
4.2.5 Hasil Pengujian Hipotesis
Regresi logistik ingin menguji apakah probabilitas terjadinya
variabel terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2005. Pada penelitian ini, regresi logistik dilakukan terhadap 64
Universitas Sumatera Utara
59
perusahaan sampel yang terdiri dari 62 perusahaan yang memiliki
opini audit going concern ditandai dengan angka 1 dan hanya 2
perusahaan yang tidak memiliki opini audit going concern ditandai
dengan angka 0. Hasil pengujian hipotesis bertujuan untuk mengetahui apakah
pengaruh dari variabel-variabel bebas terhadap kualitas audit. Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel
berikut ini.
Tabel 4.7 Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
64 98,5
Missing Cases 1
1,5 Total
65 100,0
Unselected Cases ,0
Universitas Sumatera Utara
60
Total 65
100,0
Data diolah dengan SPSS, 2014
Berdasarkan tabel 4.7 di atas dapat diambil analisis sebagai berikut: a.
Jumlah sampel pengamatan sebanyak 64 sampel, dan seluruh sampel telah diperhitungkan ke dalam pengujian hipotesis;
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai
dummy variabel. Variabel dependen bernilai 1 untuk opini audit going concern dan bernilai 0 untuk opini audit non going concern.
c. Metode yang digunakan untuk memasukkan data adalah metode
enter dimana apabila menggunakan metode ini seluruh variabel bebas independen disertakan dalam pengolahan analisis data
untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada tabel 4.8 berikut ini.
Tabel 4.8
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 15,242
a
,039 ,161
Model Summary
Universitas Sumatera Utara
61
Sumber: Data diolah dengan SPSS, 2014
Berdasarkan tabel 4.8 di atas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox
Snell R Square sebesar 0.039. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai
maksimum kurang dari satu, sehingga sulit untuk diinterpretasikan. Nagelerke’s R square merupakan modifikasi dari koefisien
Cox and Snell. Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu hal ini dilakukan dengan cara membagi nilai Cox
and Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Dilihat dari hasil output pengolahan data nilai Nagalerke R Square
adalah sebesar 0.161 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 16.10 ,
sisanya sebesar 84,90 dijelaskan oleh variabel-variabel lain di luar model.
a. Matriks Klasifikasi
Universitas Sumatera Utara
62
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan
keterjadian variabel terkait dependen pada perusahaan dilihat melalui classification tabel.
Tabel 4.9 Matriks Klasifikasi
Observed Predicted
Opini Audit going concern
Percentage Correct
.0000 1.0000
Step 1 Opini audit
going concern
.0000 2
0,00
1.0000 62
100,00
Overall Percentage 96,9
Sumber : Data diolah dengan SPSS, 2014
Tabel 4.9 secara keseluruhan dapat dijelaskan bahwa kemungkinan penerimaan opini going concern sebesar 96,9
dari seluruh sampel yang ada yang menunjukkan pengertian bahwa sebesar 62 sampel penelitian yang mendapatkan opini
audit going concern dan sisanya sebesar 3,10 atau sebesar
Universitas Sumatera Utara
63
hanya 2 sampel penelitian saja yang mendapatkan opini audit non going concern.
b. Menguji Koefisien Regresi
Tabel 4.10 menunjukkan hasil pengujian dengan regresi logistik, pengujian koefisien regresi logistik mencerminkan
penjabaran lebih rinci mengenai pengaruh masing masing
variabel independen terhadap variabel dependennya. Tabel 4.10
Hasil Uji Koefisien Regresi
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
95 C.I.for EXPB Lower
Upper
Step 1
a
X1 ,884
2,142 ,170
1 ,007
,413 ,006
27,526 X2
,375 1,049
,128 1
,720 1,456
,186 11,374
X3 -1,893
1,847 1,050
1 ,306
,151 ,004
5,626 X4
-,056 1,293
,002 1
,965 ,945
,075 11,925
Cnstant 3,654
3,137 1,356
1 ,244
38,613 a. Variables entered on step 1: X1, X2, X3, X4.
Sumber: Diolah dengan SPSS, 2014
Persamaan regresi dapat dilihat dari kolom B pada tabel 4.10. Tanda matematika dalam persamaan yang akan dibentuk mengikuti angka dalam
Universitas Sumatera Utara
64
kolom B. Persamaan regresi logistik yang terbentuk dapat dinyatakan sebagai berikut:
Y = 3,654 + 0.884 X1 + 0,375 X2 – 1,893 X3 -0,056 X4 + e
Keterangan: Y
: Opini audit going concern X1
: Rasio Pertumbuhan X2
: Audit Client tenure X3
: Pergantian Auditor X4
: Kesulitan Keuangan
Penjelasan persamaan regresi logistik diatas adalah sebagai berikut: 1.
Konstanta sebesar 3,654 yang menunjukkan bahwa apabila tidak ada variabel Rasio Pertumbuhan, Audit Client tenure, Pergantian Auditor,
Kesulitan Keuangan maka nilai dari Opini audit going concern adalah sebesar 3,654.
2. Variabel X1 Rasio Pertumbuhan menunjukkan nilai koefisien sebesar
0,884 dengan tingkat signifikansi 0.007 lebih kecil dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif
dan signifikan terhadap penerimaan opini audit going concern. Tanda positif pada koefisien rasio pertumbuhan menunjukkan bahwa rasio
Universitas Sumatera Utara
65
pertumbuhan yang lebih besar akan memberikan kemungkinan terjadinya penerimaan opini audit going concern.
3. Variabel X2 Audit client tenure menunjukkan nilai koefisien sebesar
0,375 dengan tingkat signifikansi 0.720 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien positif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda positif pada koefisien audit tenure menunjukkan bahwa audit client
tenure yang lebih besar berturut-turut akan memberikan kemungkinan terjadinya penerimaan opini audit going concern.
4. Variabel X3 Pergantian Auditor menunjukkan nilai koefisien sebesar -
1,893 dengan tingkat signifikansi 0.306 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda negatif pada koefisien pergantian auditor menunjukkan bahwa
pergantian auditor yang terlalu besar mengakibatkan penurunan opini audit going concern.
5. Variabel X4 Kesulitan Keuangan menunjukkan nilai koefisien sebesar -
0,056 dengan tingkat signifikansi 0.965 lebih besar dari 0.05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefisien negatif
dan tidak signifikan terhadap penerimaan opini audit going concern. Tanda negatif pada koefisien kesulitan keuangan menunjukkan bahwa
Universitas Sumatera Utara
66
kesulitan keuangan yang terlalu besar mengakibatkan penurunan opini audit going concern.
4.3 Pembahasan Hasil Penelitian
Berdasarkan hasil analisis data, diketahui bahwa variabel rasio pertumbuhan mempengaruhi penerimaan opini audit going concern secara
signifikan. Sedangkan audit client tenure, pergantian auditor dan kesulitan keuangan tidak berpengaruh signifikan terhadap penerimaan opini audit going
concern. Dan rasio pertumbuhan dan audit client tenure memiliki hubungan positif terhadap penerimaan opini audit going concern sedangkan variabel
lainnya yaitu pergantian auditor dan kesulitan keuangan memiliki hubungan negatif terhadap penerimaan opini audit going concern.
1. Hubungan Rasio Pertumbuhan X1 Terhadap Penerimaan Opini Audit Going Concern Y
Variabel independen Rasio pertumbuhan berpengaruh secara signifikan dengan arah yang positif terhadap penerimaan opini audit going
concern. Dengan nilai signifikansi sebesar 0,007 yang lebih kecil dari signifikansi alpa yang telah di tetapkan 0,05. Hal ini menunjukan bahwa
variabel rasio pertumbuhan dapat dijadikan pedoman dalam menentukan apakah perusahaan tersebut akan mendapatkan opini audit going concern
Universitas Sumatera Utara
67
atau tidak. Tanda positif ini mengindikasikan bahwa hubungan antara rasio pertumbuhan dan penerimaan audit going concern sejalan atau searah,
dengan asumsi semakin tinggi rasio pertumbuhan perusahaan dari tahun ketahun mengindikasikan bahwa kemungkinan besar perusahaan akan
menerima opini audit going concern. Namun hasil penelitian ini bertentangan dengan penelitian yang
dilakukan oleh Santosa 2007 yang menyatakan bahwa variabel rasio pertumbuhan tidak berpengaruh signifikan terhadap penerimaan opini audit
going concern.
2. Hubungan Audit Client Tenure terhadap Penerimaan Opini Audit Going Concern
Audit Client Tenure memiliki hubungan positif dan tidak signifikan terhadap Opini audit going concern. Hubungan positif ini menunjukkan
bahwa peningkatan audit client tenure secara berurutan akan berpotensi untuk meningkatkan penerimaan opini audit going concern yang dikeluarkan
oleh auditor. Hasil ini sejalan dengan penelitian yang dilakukan oleh Ningtias 2011.
Dan bertentangan dengan hasil penelitian yang dilakukan oleh Junaidi dan Hartono 2010 yang menyatakan bahwa audit tenure
berpengaruh signifikan terhadap penerimaan opini audit going concern.
Universitas Sumatera Utara
68
3. Hubungan Pergantian Auditor Terhadap Penerimaan Opini Audit Going Concern
Pergantian Auditor memiliki hubungan negatif dan tidak signifikan terhadap penerimaan opini audit going concern. Hal ini menunjukkan bahwa
peningkatan pergantian auditor akan menyebabkan penurunan opini audit going concern. Hal ini sejalan dengan penelitian yang dilakukan oleh
Januarti 2009. Namun bertentangan dengan penelitian yang dilakukan oleh
Praptirorini, et al. 2006 yang menyatakan bahwa pergantian auditor berpengaruh secara signifikan terhadap penerimaan opini audit going
concern.
4. Hubungan Kesulitan Keuangan Terhadap Penerimaan Opini Audit Going Concern
Kesulitan keuangan memiliki hubungan negatif dan tidak signifikan terhadap penerimaan opini audit going concern. Hal ini menunjukkan bahwa
peningkatan kesulitan keuangan perusahaan akan menyebabkan penurunan opini audit going concern. Hal ini sejalan dengan penelitian yang dilakukan
oleh Putra 2010. Namun bertentangan dengan penelitian yang dilakukan oleh
Ramadhany 2004 yang menyatakan
bahwa kesulitan
keuangan
Universitas Sumatera Utara
69
perusahaan berpengaruh secara signifikan terhadap penerimaan opini audit going concern.
4.4 Uji Signifikansi Model Secara Simultan Tabel 4.11